Deep learning: Extrapolation tool for ab initio nuclear theory

Negoita, G.A.; Vary, J.P.; Luecke, G.R.; Maris, P.; Shirokov, A.M.; Shin, I.J.; Kim, Y.; Ng, E.G.; Yang, C.; Lockner, M.; Prabhu, G.M.

Статья опубликована в высокорейтинговом журнале

Информация о цитировании статьи получена из Web of Science, Scopus
Статья опубликована в журнале из списка Web of Science и/или Scopus
Дата последнего поиска статьи во внешних источниках: 26 июня 2019 г.

Авторы: Negoita G.A., Vary J.P., Luecke G.R., Maris P., Shirokov A.M., Shin I.J., Kim Y., Ng E.G., Yang C., Lockner M., Prabhu G.M.
Журнал: Physical Review C
Том: 99
Номер: 5
Год издания: 2019
Издательство: American Physical Society
Местоположение издательства: College Park, MD
Первая страница: 054308-1
Последняя страница: 054308-11
DOI: 10.1103/PhysRevC.99.054308
Аннотация: Ab initio approaches in nuclear theory, such as the no-core shell model (NCSM), have been developed for approximately solving finite nuclei with realistic strong interactions. The NCSM and other approaches require an extrapolation of the results obtained in a finite basis space to the infinite basis space limit and assessment of the uncertainty of those extrapolations. Each observable requires a separate extrapolation and many observables have no proven extrapolation method. We propose a feed-forward artificial neural network (ANN) method as an extrapolation tool to obtain the ground-state energy and the ground-state point-proton root-mean-square (rms) radius along with their extrapolation uncertainties. The designed ANNs are sufficient to produce results for these two very different observables in 6Li from the ab initio NCSM results in small basis spaces that satisfy the following theoretical physics condition: independence of basis space parameters in the limit of extremely large matrices. Comparisons of the ANN results with other extrapolation methods are also provided.
Добавил в систему: Широков Андрей Михайлович

	ИСТИНА	Войти в систему Регистрация
	ИСТИНА ИНХС РАН
	Главная Поиск Статистика О проекте Помощь

ИСТИНА

ИСТИНА ИНХС РАН

Deep learning: Extrapolation tool for ab initio nuclear theoryстатья

Прикрепленные файлы